Application à l'évaluation de la couleur et de la texture au cours de la maturation de la banane
Par :Formats :
- Paiement en ligne :
- Livraison à domicile ou en point Mondial Relay indisponible
- Retrait Click and Collect en magasin gratuit
- Nombre de pages120
- PrésentationBroché
- Poids0.188 kg
- Dimensions15,2 cm × 22,9 cm × 0,7 cm
- ISBN978-620-2-35290-1
- EAN9786202352901
- Date de parution01/10/2018
- CollectionOMN.NOOR PUBLIS
- ÉditeurNoor Publishing
Résumé
Dans le présent manuscrit, un système de vision artificielle et de traitement des images numériques couleur modélisées par les quaternions, qui prend en considération la nature vectorielle de ce type d'images numériques afin d'éviter les traitements dits marginaux est proposé. Ainsi, , des algorithmes standard de traitement des images numériques en niveaux de gris ont été adaptés et des descripteurs d'images dont trois pour la couleur et quatre pour la texture ont été définis.
Pour valider l'approche, ces descripteurs d'images ont été appliqués à l'identification et la classification automatiques des 7 stades de maturation de la banane. Les résultats obtenus ont montré que certains descripteurs sont plus pertinents que d'autres pour les échantillons étudiés. Les performances obtenues pour la classification automatique sont environ 96 % de bons résultats.
Pour valider l'approche, ces descripteurs d'images ont été appliqués à l'identification et la classification automatiques des 7 stades de maturation de la banane. Les résultats obtenus ont montré que certains descripteurs sont plus pertinents que d'autres pour les échantillons étudiés. Les performances obtenues pour la classification automatique sont environ 96 % de bons résultats.
Dans le présent manuscrit, un système de vision artificielle et de traitement des images numériques couleur modélisées par les quaternions, qui prend en considération la nature vectorielle de ce type d'images numériques afin d'éviter les traitements dits marginaux est proposé. Ainsi, , des algorithmes standard de traitement des images numériques en niveaux de gris ont été adaptés et des descripteurs d'images dont trois pour la couleur et quatre pour la texture ont été définis.
Pour valider l'approche, ces descripteurs d'images ont été appliqués à l'identification et la classification automatiques des 7 stades de maturation de la banane. Les résultats obtenus ont montré que certains descripteurs sont plus pertinents que d'autres pour les échantillons étudiés. Les performances obtenues pour la classification automatique sont environ 96 % de bons résultats.
Pour valider l'approche, ces descripteurs d'images ont été appliqués à l'identification et la classification automatiques des 7 stades de maturation de la banane. Les résultats obtenus ont montré que certains descripteurs sont plus pertinents que d'autres pour les échantillons étudiés. Les performances obtenues pour la classification automatique sont environ 96 % de bons résultats.